探究计算机信息技术在人工智能发展中的应用

张 宁

（江苏省铜山中等专业学校 江苏 徐州 221000）

0 引言

第三次科技革命以计算机技术作为核心，人工智能作为现代计算机信息技术的代表性成果，已经逐渐成为信息技术发展的主流趋势，智能化也已经成为社会发展的主流特征。 人工智能经历了从萌芽期到高速发展期，再到当前正在进行的第三次革新发展阶段，并逐渐从最初的图灵机模型发展到人们目前熟知的人工智能模型。 现如今，人工智能模型以及相关技术与最初发展阶段相比，已经实现了质的飞跃，并在人类经济社会发展过程中发挥着十分重要的作用。 基于此，本文就计算机信息技术在人工智能发展中的具体应用进行分析，以期为国内计算机信息技术以及人工智能的高质量融合发展提供参考。

1 计算机信息技术和人工智能概述

1.1 计算机信息技术

计算机信息技术实际上是一种能够在计算机和其他终端设备之间完成数据信息的储存、传递和共享的现代技术，也是计算机技术与现代信息技术结合发展的产物。 如今，计算机信息技术的数据模型变得更加复杂，能够在短时间内完成大量数据信息的运算工作，任务的执行速度明显提高。 目前，在经济社会发展过程中产生的图像视觉数据和语言数据，因为性质较为特殊，可以利用网络数据正向和反向传播等技术进行标记以及储存，最终建立对应的模型［1］。 因此，计算机信息技术和人工智能技术中的神经网络有效结合，可以针对各项数据信息全方位进行收集和处理，从而进一步提高数据处理的效率和效果。

1.2 人工智能

人工智能（artificial intelligence）也被人们称作AI，是一种从人类思考角度对于事物进行分析和判断的学科以及技术。 结合百度百科、搜狗百科等方面的资料来看，人工智能是模拟、延伸、扩展人类智能的理论、方法及应用系统的一门新的技术科学。 从目前人工智能技术以及相关模型的发展看来，普遍具备大数据计算、跨媒体感知、自主学习、语言和仿生能力。 人工智能能够利用计算机信息技术完成数据的储存、计算和分析工作，并且云计算和5G技术也具有十分重要的作用。 在人工智能模型持续完善的背景下，信息模型能够在不同的媒介、平台上搜集所需的数据和信息，同时能够模仿人类的思维，根据设定的规则解决问题，拥有一定的自主学习能力。 目前，在智能终端中设置的各种智能语音助手便是人工智能的应用代表，有着良好的语言能力，能够在揣摩人们语义的基础上和人们进行交流［2］。 从某种程度上看，这种语言交流与人工智能的仿生和感知能力有着密切的联系，能够实现人机之间信息的同步交流和交换。

2 计算机信息技术用于人工智能的基本原理

人工智能可以利用神经网络实现深度学习。 计算机信息技术和神经网络二者的结合应用能够帮助人工智能技术相关模型完成数据集合的标注工作，且可以针对数据集合中储存的相关数据进行前向拟合处理，完成数据的统计学习等相关工作。 在这种情况下，计算机通信系统通常都会设定一定的样本点，并通过拟合曲线的设计，对于样本点和资本量之间的变化关系进行全方位阐述。 人工智能模型在自行深度学习的过程中，样本点不仅集中在（x，y）点上，还可以利用向量矩阵探索形成其他的任意点。在任意点数量过多的背景下，人工智能模型的神经网络会变得越发复杂，逐渐形成层次化的神经网络体系［3］。 然而，实际上，由于输入数据之间不存在任何线性关系的影响，这种层次化神经网络仍然会按照之前设置的程序开展输入数据的正向和反向传播等训练。 人工智能在利用层次化神经网络进行深度学习时，能够结合数据质量完成自动优化处理工作。

如今，多层神经网络的框架类型变得越来越多元化，主要包括Neon TensorFlow 和Moa 等。 人们熟知的Neon、TensorFlow 是由ARM、谷歌公司结合各自优势建立的人工智能深度学习架构。 TensorFlow 是一种能够脱离单图形处理器进行数据处理的网络框架，并且以分布式连接方式存在，利用多GPU 卡和C＋＋接口实现，能够在数据运算量较大的情况下，以最快的速度完成数据运算工作。

由此可以得出，在数据并行计算环节，计算机能够促进非关系型数据库、内存和数据流图三者之间的有效融合，并在此基础上建立分布式系统的多层模型。 在不同用户尝试运用多层神经网络时，并不需要对结构模型的组成进行了解，只需要持续利用神经网络进行学习便可针对输入的数据进行全面推理。 随着内存和处理设备硬件性能的不断提升和发展，海量数据的高效运算可以通过不同的方法进行优化。 即使出现节点故障，经过优化后的海量数据也能够基本保持一致。 数据仍然能够进行读写，并且在出现容错现象后主动进行分区处理［4］。 此外，人工智能也能够在多个模型的数据和区域的并行计算中发挥作用，利用多GPU 卡和网络数据进行连接，提高并行计算的效率。 同时，多GPU 卡也能够用于同层级数据的处理环节，确保不同数据的处理流程能够得到压缩，具体如图1 所示。

图1 层次化神经网络并行计算示意图

以目前人工智能的发展来看，计算机信息技术的应用变得越来越普及，其中应用频率最高的便是Agent。 该软件以分布式计算模型为主，能够对人工智能平台中分散的多项任务进行全方位控制和交互。 在完成数据信息收集和处理之后，便可将得到的数据结果在分布式平台进行仿真操作以及交互。 在人工智能技术持续发展的过程中，Agent 技术的应用意味着需要建立仿真环境的交互模型。针对目前的需求和服务信息全方位进行搜集，便可完成数据流的开发工作，并向不同的工作节点下达相应的工作计划，结合数据反馈进行收集和管理。 Agent 技术能够对不同类型的仿真环境分类进行模拟，通过使用多种类型的传感器，进一步提高交互环境的真实性，为用户带来良好的使用体验。 因此，Agent 技术已经成为某些分布式平台数据计算实施的重要实体，能够完成有关数据方面的协作处理、监控管理等多项任务。 同时，Agent 技术能够利用局域网，将用户所查询的相关数据信息或者得到的数据处理结果向用户终端以及云平台进行上传，使用户信息搜索、处理和查询的时间得到明显压缩，避免在网络数据信息传输过程中出现信息拥堵问题。 总体的技术数据处理模型结构如图2 所示。

图2 Agent 技术下的数据处理模型结构

3 计算机信息技术在人工智能发展中的应用

3.1 用于网络安全防护

目前，人工智能依旧以计算机网络作为核心组成部分方可发挥作用。 然而，网络系统中经常存在安全隐患，如系统漏洞和恶意程序等。 计算机信息技术在人工智能发展中的应用主要体现在网络入侵安全监测方面，这是维护网络系统安全的初级任务。 计算机信息技术和人工智能能够对各项数据信息进行安全性分析。 在发现各种病毒数据或不明因素时，会生成相应的安全分析报告，确保相关人员能够及时掌握不同危险因素的分布和实际状况，采取相应的措施处理风险因素，规避网络风险事件，为用户提供良好的使用体验［5］。

计算机通信技术在人工智能防火墙领域中的应用，主要利用信息识别技术对数据库中收集的各项病毒数据进行识别。 通过综合运用统计、决策和记忆等方法，避免了出现大规模数据运算带来的问题，在维护数据计算结果精准性的同时，也使网络数据变得更加安全，能够从根本上消除各种病毒信息和潜在危险因素，修复现有网络漏洞，并在第一时间发布病毒入侵警报，从而显著提高网络系统的安全性。 此外，在数据传输过程中，计算机信息技术和人工智能能够对数据风险全方位进行识别和界定，维护数据输入和输出的安全性。 同时，云计算能够在第一时间完成数据信息的匹配和核对，识别潜在的风险事件，有效阻止黑客攻击和病毒入侵等行为。

3.2 用于智能机器人

智能机器人是我国人工智能发展过程中出现的全新技术成果。 计算机信息技术同样可以在医疗智能机器人、环保智能机器人、智能家居机器人等领域中广泛应用。 与传统的医疗人力操作相比，医学领域的智能机器人能够24 小时保持高负荷运转，这不仅明显提升了效率，也显著提高了精准性。 国家超级计算长沙中心研发的“大白”机器人具有令人瞩目的工作效率和诊断质量。 它能够在4.8 s 的时间内完成100 份病例的诊断。 这一成果与智能机器人自身的数据储存和计算能力密切相关。 应用智能机器人可以明显减轻医院的工作压力。 麻省理工研发出了Ginger 医疗智能机器人，能够在医生接生的过程中提供医疗辅助。 一旦遇到突发问题，机器人能够凭借搜集的相关数据，为医生提供合理的解决方案，医疗中的成本投入明显压缩，医师的工作总量有所减轻。

在世界各国倡导生态环境保护与经济社会协同发展的背景下，环保智能机器人成为目前环境治理工作的主要设备。 与传统的人力操作相比，环保智能机器人能够实现污染物的精准处理。 在某些特殊情况下，人工无法完成污染物的清理工作，智能机器人则能够通过高清摄像头将现场情况传送到后台的控制系统，由管理人员和指挥员发出相应的指令，及时处理各种不同类型的污染物。 环保智能机器人不仅能够精准识别污染物，还能对当地的污染状况进行分析，从而显著提高治理效率。

3.3 用于网络管理

计算机综合管理是以计算机运行模式作为依据，能够在设定合理的管理框架的基础上提高系统运行的可靠性和规范性。 人工智能和计算机信息技术能够将自主驱动作为核心，并针对不同类别的系统和操作功能进行整合。例如，在专家系统对接和自主识别中，通常可以采用管理和风险识别的方法，针对系统中存在的各种行为进行检测和处理。 随后，将数据信息在专家系统内进行反馈，根据数据的变化决定是否执行相应的工序。 这种模式实际上是以内部控制作为基础进行网络管理。 同时，计算机信息技术能够与人工智能搭载在系统的知识库中同步导入相应的数据和信息，在经过耦合处理之后，同样能够实现智能控制的目标。 例如，应用数据模型逐渐转变为数据行为，也是在运行过程中以知识规则作为原理分析存在的各种问题，同时利用已经生成的自动化控制程序，针对计算机网络进行逻辑处理，意味着计算机网络管理效能和数据信息防护效果能够进一步提高。

3.4 用于数据处理和共享

人工智能应用质量与深度学习水平有着明显的联系，神经网络能够对相关的数据进行全方位解析，对其背后的价值进行研究和归纳评估，确保人工智能的模仿升级能力可以持续提升。 总体来看，数据的实时性特点也变得越来越明显。 在人工智能持续发展的过程中，如果想要实现自我提升的目标，需要将计算机信息技术融入其中，确保人工智能技术能够利用计算机信息技术以及现代传感器完成数据信息的收集、处理和分析工作，并完成数据信息的反馈以及交互。 网络资源的共享也是人工智能持续发展的关键所在。 计算机信息技术是数据信息共享得以实现的基础条件。 计算机信息技术能够通过各种网络接口建立云服务器，获取高价值的数据信息。 如此一来，人工智能库可以将相关数据进行上传，并配合学习、交流和模仿能力的发展，为用户提供更加高质量的服务。 在经济社会发展的过程中，人工智能针对不同用户的信息进行区分，结合差异地区提取的信息，为用户提供个性化的定制服务。

3.5 用于图像智能识别

目前，人工智能技术在持续发展的过程中已经能够做到针对不同图像自主进行识别，并提炼出其中的相关要素和物体。 人工智能图像识别实际上是对人类在发展过程中的图像和事件分析进行模仿，集成、识别图像中的各种特性，并将不同阶段的信息合成，最终形成一幅完整的图像，从而完成图像的识别。 如今，人工智能图像识别应用广泛。 在车辆交通系统中，人工智能图像识别能够与计算机信息技术有效融合，在第一时间对违法车辆进行抓拍处理，并利用车牌识别技术对车牌信息和车主信息进行识别。 同时，图像识别技术在小区安全和手机支付等软件中也得到了广泛应用。

3.6 用于模式识别

模式识别的理论基础是信息论和概率公式，能够利用多种方法对人类的思维模式进行模拟。 在目前数学计算方法以及计算机软硬件功能快速发展的背景下，计算机信息技术和人工智能能够针对任意形式的事物表象和表征进行数据性的分析和处理，完成事物的描述、解释、辨别和分类工作。 结构识别和统计识别是目前应用较为普遍的模式识别类型。 随着研究的持续深入，诸如人脸识别和虹膜识别等具备现代科技特征的产物也被逐渐研发并广泛应用。

4 结语

作为我国计算机技术发展的全新成果，人工智能在诸多行业中应用广泛。 通过多层神经网络秩序强化其自主学习能力，智能化发展特征变得越来越明显。 计算机信息技术和人工智能技术持续发展，二者的结合也越来越深入，并在多个领域中发挥重要作用，能够在缓解人工工作压力的同时，提高信息收集、处理效率与质量，为不同行业的发展以及决策提供精准数据支持，实现我国经济社会高质量、可持续发展的目标。